Tag · 5 篇
显著性图
以触觉看世界：触觉驱动的材料区域视觉定位
Seeing Through Touch: Tactile-Driven Visual Localization of Material Regions
把触觉信号当作一种「查询模态」，用密集跨模态特征交互生成触觉显著性图，可直接迁移到文本/音频等非视觉查询驱动的区域定位与分割任务；其材料多样性配对策略也为弱信号条件下的跨模态对齐提供了可复用的数据增强思路。
Saliency-R1：通过显著性图对齐奖励强化可解释且忠实的视觉语言推理
Saliency-R1: Enforcing Interpretable and Faithful Vision-language Reasoning via Saliency-map Alignment Reward
提出一种无需额外计算开销的显著性图方法，可追踪视觉信息在推理链中的流动，并用显著性图与人工标注框的重叠度作为 GRPO 奖励，为 VLM 的视觉 grounding 与忠实性训练提供了可复用的奖励设计与归因工具。
MedLIME：面向医学显著性解释的分布对齐与证据支持框架
MedLIME: A Distribution-Aligned and Evidence-Supported Framework for Medical Saliency Explanations
在无法访问模型内部的白盒条件下，用生成式重建替代 LIME 的随机扰动、并用监督式测试时自适应校准掩码分布，可迁移到任意黑盒医学影像模型的病灶定位与显著性解释评估（AUPRC）。
我是一张地图！可解释的运动注意力图：在视频扩散 Transformer 中时空定位概念
I'm a Map! Interpretable Motion-Attentive Maps: Spatio-Temporally Localizing Concepts in Video Diffusion Transformers
提出无需梯度计算或参数更新的 GramCol 方法，为视频扩散 Transformer 生成逐帧概念显著性图，可复用于模型内部表示分析与零样本视频语义分割。
隐藏的单调性：通过 DC 分解解释深度神经网络
Hidden Monotonicity: Explaining Deep Neural Networks via their DC Decomposition
把训练好的 ReLU 网络拆成两个单调凸部分（DC 分解）并解决权重爆炸的数值问题，可直接替换现有 CAM/LRP 的传播规则，得到更忠实的显著性图；同时可用「两个单调网络之差」的架构训练天生自解释的视觉模型。